写一个python代码用训练好的pkl模型进行测试并进行非极大值抑制

以下是一个简单的Python代码示例，用于使用训练好的pkl模型进行测试，并对结果进行非极大值抑制：

import numpy as np
import cv2
import pickle

# 加载训练好的pkl模型
with open('model.pkl', 'rb') as f:
    model = pickle.load(f)

# 加载测试图像
image = cv2.imread('test.jpg')

# 对图像进行预处理
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
image = cv2.resize(image, (224, 224))
image = np.array(image) / 255.0
image = np.expand_dims(image, axis=0)

# 使用模型进行测试
preds = model.predict(image)

# 非极大值抑制
conf_threshold = 0.5
nms_threshold = 0.4

boxes = []
scores = []

for i in range(len(preds[0])):
    if preds[0][i][4] >= conf_threshold:
        boxes.append(preds[0][i][:4])
        scores.append(preds[0][i][4])

boxes = np.array(boxes)
scores = np.array(scores)

indices = cv2.dnn.NMSBoxes(boxes.tolist(), scores.tolist(), conf_threshold, nms_threshold)

for i in indices:
    i = i[0]
    box = boxes[i]
    score = scores[i]
    x1 = int(box[0] * image.shape[1])
    y1 = int(box[1] * image.shape[0])
    x2 = int(box[2] * image.shape[1])
    y2 = int(box[3] * image.shape[0])
    cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(image, str(score), (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 2)

# 显示结果
cv2.imshow('image', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

这个代码示例假设您已经有了一个训练好的pkl模型，并加载了一个测试图像。它使用该模型对图像进行预测，并使用非极大值抑制来删除重叠的边界框。最后，它将结果可视化，以便您可以查看算法是否成功识别了图像中的对象。